WORLD MODEL · PAIRED EVALUATION

MVA × Pi0.5

相同轨迹条件,不同 checkpoint。对照 GT,分别记录成功与失败轨迹的预测质量。

JIAlonglong · 公开结果看板
目标独立 episode
—
每个 checkpoint 的目标生成次数
—
已记录实验 / 已完成
—

Checkpoint 结果

仅比较同一数据集版本与协议的结果。PSNR / SSIM 越高越好,LPIPS 越低越好;缺失指标显示 —。
实验 / 模型状态与生成进度分组PSNR ↑SSIM ↑LPIPS ↓详情
尚无评测结果已准备结果记录位置,等待 GPU 节点生成并同步。本页不展示模拟分数。

已登记模型

登记仅表示计划评测,不代表已有分数。

评测口径

Head 单视角 · 连续 81 帧 · 排除条件首帧
成功 / 失败来自 GT episode 标签
固定样本和随机种子 · 不做 best-of-N
Smoke 用于联调;全量资格与样本版本须单独冻结。

任务、数据来源与真实仿真结果

下表是源数据候选盘点,不是已选定测试集。成功率仅按本批已完成有效轨迹计算;成功/失败均衡抽样后的占比不代表策略真实成功率。终止类型是记录器字段,不等同于人工确认的失败原因。

任务完整轨迹仿真成功仿真失败完成轨迹成功率终止类型Smoke 入选轨迹全量入选轨迹

Smoke 实际样本明细 · 下载来源快照与逐 episode 明细(JSON)

明细包括策略来源、任务指令、场景 seed、成功标签、终止类型、执行动作数、原始帧数和相对数据目录。正式入选后还需固定窗口起点、GT/control 对应关系与文件摘要。尚未生成的视频不会显示为已有仿真演示。